Linux 下将PDF文件中的文本，图片导出的方法。

最新推荐文章于 2024-08-08 19:56:07 发布

nailwl

最新推荐文章于 2024-08-08 19:56:07 发布

阅读量3.2k

点赞数

文章标签： linux encoding ubuntu 工具测试

本文链接：https://blog.csdn.net/nailwl/article/details/5129049

版权

PDF格式文件中的文本是可以导出来再修改的。
同样，PDF里面的插图也是可以提取出来的。

PDF转纯文本：
pdftotext -enc GBK godson2e-data.Sheet.pdf text.GBK.txt

-enc (encoding)
要参照/etc/xpdf/xpdfrc 里面提到的编码格式。对于中文，用GBK
就可以了。

提取插图：
pdfimages godson2e-data.Sheet.pdf img

该命令就生成N个PPM文件，（一种BMP格式）
文件名为img-00?.ppm
？＝（1 ～ N）

可以用ImageMagick里面的convert工具将其转换成相要的格式：
convert img-001.ppm img-001.jpg
或
convert img-001.ppm img-001.eps

上述方法在ubuntu下测试通过。
其中，pdfimages, pdftotext来自xpdf-utils包，xpdf的中文编码
支持来自xpdf-chinese-simplified包。换句话说，要实现上述功能
得安装:
xpdf-utils
xpdf-chinese-simplified

安装方法：

aptitude install xpdf-utils xpdf-chinese-simplified

如果没有aptitude,可以用apt-get
apt-get install xpdf-utils xpdf-chinese-simplified